LU-mamba: Muestreo ascendente de LiDAR mediante modelado de espacio de estados bidireccional en imágenes de rango

Área de la Ciencia:

• Visión por Computadora
• Robótica
• Aprendizaje Automático

Sus antecedentes:

• El muestreo ascendente de LiDAR es crucial para generar nubes de puntos 3D de alta resolución a partir de entradas dispersas, vital para la conducción autónoma y la percepción robótica.
• Los métodos actuales a menudo convierten datos LiDAR 3D en imágenes de rango 2D y utilizan arquitecturas convolucionales o Transformer para la superresolución.
• La adaptación de modelos de secuencias avanzados como los Modelos de Espacio de Estados (SSM) al muestreo ascendente de LiDAR presenta una prometedora vía de investigación.

Objetivo del estudio:

• Introducir LU-Mamba, un marco novedoso para el muestreo ascendente de LiDAR que utiliza la arquitectura Mamba.
• Adaptar el modelo Mamba específicamente para las características direccionales de las imágenes de rango LiDAR, centrándose en el muestreo ascendente del eje vertical.
• Mejorar la precisión y la eficiencia de la reconstrucción de nubes de puntos densas a partir de datos LiDAR dispersos.

Principales métodos:

• Se desarrolló LU-Mamba, un marco basado en Mamba, un Modelo de Espacio de Estados (SSM) eficiente para la modelización de secuencias largas.
• Se introdujo un Grupo Mamba Bidireccional para capturar dependencias verticales de largo alcance escaneando las filas de la imagen de arriba abajo y de abajo arriba.
• Se incorporó un Módulo Mamba Consciente de la Dirección con modulación direccional para mejorar la sensibilidad a la dirección de escaneo y la fusión adaptativa.

Principales resultados:

• LU-Mamba logró un rendimiento de última generación en conjuntos de datos de referencia de muestreo ascendente de LiDAR.
• El método propuesto superó a los enfoques existentes basados en convoluciones y Transformers en la calidad de reconstrucción de nubes de puntos.
• Los estudios de ablación confirmaron la efectividad del Grupo Mamba Bidireccional y el Módulo Mamba Consciente de la Dirección.

Conclusiones:

• LU-Mamba representa un avance significativo en el muestreo ascendente de LiDAR al aprovechar las capacidades de modelado de secuencias de Mamba.
• Las adaptaciones direccionales son clave para procesar eficazmente las imágenes de rango LiDAR para mejorar las tareas de percepción.
• El marco ofrece una alternativa nueva y de alto rendimiento para la generación de nubes de puntos 3D de alta resolución en sistemas autónomos.